چرا دوقلوی دیجیتال از نقشه‌ی P&ID شروع می‌شود

هر کارخانه‌ی فرایندی هزاران برگ نقشه‌ی P&ID دارد؛ نقشه‌ی لوله‌کشی و ابزار دقیق که نشان می‌دهد هر لوله، شیر، پمپ و ابزار اندازه‌گیری کجاست و به چه وصل است. در بیشتر کارخانه‌ها این نقشه‌ها فایل PDF یا اسکن کاغذند، و فهرست ابزار دقیق در یک فایل Excel جداگانه نگهداری می‌شود. پس از سال‌ها تعمیر و بازسازی، این دو از هم فاصله می‌گیرند: تگی در نقشه هست که در فهرست نیست، یا برعکس. هر کس در یک پروژه‌ی بازسازی کار کرده، این مغایرت‌ها را می‌شناسد.

هزینه‌ی اطلاعاتی که پیدا نمی‌شود

این مسئله تازه نیست، اما هزینه‌اش کم نیست. مطالعه‌ی مؤسسه‌ی ملی استاندارد و فناوری آمریکا (NIST) در سال 1383 برآورد کرد که ناهماهنگی اطلاعات در صنعت تأسیسات سرمایه‌ای آمریکا سالانه دست‌کم 15.8 میلیارد دلار هزینه دارد؛ حدود دو سوم آن بر دوش مالکان و بهره‌برداران است و 57 درصد آن در دوره‌ی بهره‌برداری و نگهداری رخ می‌دهد، نه در ساخت. پژوهشی که در سال 1389 کار روزانه‌ی 78 مهندس طراح را ساعت‌به‌ساعت ثبت کرد، نشان داد 55.75 درصد وقت آن‌ها صرف یافتن، خواندن و مبادله‌ی اطلاعات می‌شود.

دوقلوی دیجیتال بدون نقشه‌ی خوانا ساخته نمی‌شود

دوقلوی دیجیتال، یعنی مدل نرم‌افزاری زنده‌ای از کارخانه که داده‌ی واقعی را به ساختار تجهیزات وصل می‌کند، به داده‌ای ساخت‌یافته نیاز دارد: کدام تگ کدام ابزار است، روی کدام خط و کنار کدام تجهیز. انجمن دوقلوی دیجیتال صنعتی (IDTA) در استاندارد خود در سال 1402 صریحاً نوشته است که نبودِ P&IDهای قابل خواندن برای ماشین «می‌تواند مانع کامل» کاربردهای دیجیتال باشد.

صنعت برای همین استاندارد ساخته است. نسخه‌ی 2.0 استاندارد DEXPI برای تبادل داده‌ی P&ID در مهر 1404 منتشر شد، و نسخه‌ی 2.0 استاندارد CFIHOS برای تحویل اطلاعات تجهیزات در آبان 1404. اما هر دو فرض می‌کنند داده از قبل ساخت‌یافته است؛ برای کارخانه‌ای که ده‌ها سال کار کرده، گام اول تبدیل همان PDFهاست.

هوش مصنوعی حالا چه می‌تواند بکند

بینایی ماشین در خواندن نقشه‌های مهندسی پیشرفت چشمگیری داشته است. در پژوهشی که سال 1401 در نشریه‌ی Journal of Computational Design and Engineering منتشر شد، یک سامانه‌ی یادگیری عمیق روی P&IDهای واقعی نمادها را با دقت 96.65 درصد و متن‌ها را با دقت 90.65 درصد تشخیص داد. این عددها یعنی ماشین بیشتر کار را انجام می‌دهد، اما هنوز همه را نه؛ پس روش درست این است که ماشین حجم کار را بردارد و مهندس موارد مشکوک را بررسی کند، نه اینکه خروجی بی‌بازبینی پذیرفته شود.

یک مسیر عملی

1. از تگ‌ها شروع کنید. تگ‌های ابزار دقیق در نقشه‌ها خوانده و استخراج می‌شوند؛ ارزشمندترین و قابل‌سنجش‌ترین بخش داده.
2. با فهرست مقایسه کنید. تگ‌های استخراج‌شده با فهرست ابزار دقیق در Excel تطبیق داده می‌شوند.
3. مغایرت‌ها را گزارش کنید. هر تگی که در یکی هست و در دیگری نیست، یا متفاوت نوشته شده، در یک گزارش مشخص می‌شود.
4. مهندس بررسی کند. تیم مهندسی فقط مغایرت‌ها را بازبینی می‌کند، نه هزاران تگ را.
5. بعد ساختار بسازید. داده‌ی پاک‌شده پایه‌ی مدل ساخت‌یافته، استانداردهایی مثل DEXPI و در نهایت دوقلوی دیجیتال می‌شود.

نگاه واکاو

محصول بینایی ماشین اسناد مهندسی واکاو همین مسیر را از گام اول شروع می‌کند. تگ‌های ابزار دقیق را در نقشه‌های PDF با OCR شناسایی می‌کند، آن‌ها را خودکار با فهرست‌های Excel تطبیق می‌دهد، مغایرت‌ها را دقیق گزارش می‌کند و خروجی را به صورت PDF حاشیه‌نویسی‌شده و گزارش Excel، آماده‌ی بررسی تیم مهندسی، تحویل می‌دهد. پردازش روی سخت‌افزار گرافیکی داخل سازمان انجام می‌شود و هیچ نقشه‌ای از سازمان خارج نمی‌شود. نام نهایی و مشخصات سخت‌افزار این محصول به‌زودی اعلام می‌شود.

اگر پروژه‌ی بازسازی، مستندسازی یا دیجیتال‌سازی در پیش دارید، صفحه‌ی این محصول را ببینید یا با ما صحبت کنید.